IIS_2023_1/degtyarev_mikhail_lab_1

Лабораторная 1

Задание

Сгенерируйте определенный тип данных и сравнить на нем 3 модели (по варианту 9). Построить графики, отобразить качество моделей, объяснить полученные результаты

Данные

make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2, random_state=rs, n_clusters_per_class=1)

• Модели:
• • Персептрон
• • Многослойный персептрон с 10-ю нейронами в скрытом слое (alpha = 0.01)
• • Многослойный персептрон со 100-а нейронами в скрытом слое (alpha =0.01)

Описание Программы

Используемые библиотеки

• scikit-learn
• numpy
• matplotlib

Шаги программы

1. Генерация данных:

   • Используется функция make_classification из библиотеки scikit-learn.
   • Создаются два признака, и данные разделяются на два класса.
   • Используется 500 сэмплов.

2. Разделение данных:

   • Данные разделяются на обучающий и тестовый наборы с использованием train_test_split из scikit-learn.
   • Размер тестового набора установлен в 20% от общего размера.

3. Создание моделей:

   • Три модели создаются с использованием библиотеки scikit-learn:
     • Персептрон
     • Многослойный персептрон с 10 нейронами в скрытом слое
     • Многослойный персептрон с 100 нейронами в скрытом слое

4. Обучение и Оценка:

   • Каждая модель обучается на обучающем наборе данных.
   • Производится оценка каждой модели на тестовом наборе с использованием метрики точности (accuracy).

5. Визуализация данных и Границ Решения:

   • Для каждой модели строится график, на котором отображаются точки тестового набора и граница решения модели.
   • Каждый график снабжен названием, указывающим на модель и ее точность.

Запуск программы

• Склонировать или скачать код main.py.
• Запустите файл в среде, поддерживающей выполнение Python.

Результаты

• Можно проанализировать точность на графиках и понять, что самая точная из 3 моделей оказалась Многослойный персептрон со 100-а нейронами в скрытом слое.
• Многослойный персептрон со 100-а нейронами: 0.96
• Многослойный персептрон с 10-ю нейронами: 0.90
• Персептрон: 0.86